n8n AI 크리에이터 리더보드 분석 템플릿

워크플로 소개

AI 기반 n8n 크리에이터 리더보드 분석 워크플로우

이 n8n 워크플로우 템플릿은 n8n 자동화 커뮤니티의 최고 기여자 및 인기 워크플로우에 대한 통찰력 있는 보고서를 가져오고, 처리하고, 생성하도록 설계된 정교한 AI 기반 분석 시스템입니다. GitHub에 호스팅된 공개적으로 사용 가능한 통계를 활용하고 OpenAI의 언어 모델과 통합함으로써 특정 크리에이터에 맞춰진 동적이고 사람이 읽을 수 있는 Markdown 요약을 제공합니다. 이는 커뮤니티 참여, 성능 벤치마킹 및 트렌드 분석에 이상적입니다.

워크플로우 기능

워크플로우는 공개 GitHub 리포지토리에서 두 개의 JSON 데이터셋을 검색합니다.

크리에이터 수준 통계: 사용자별 집계 메트릭 (예: 총 주간/월간 삽입자 수).
워크플로우 수준 통계: 개별 워크플로우에 대한 상세 메트릭 (예: 고유 방문자 수, 사용 트렌드).

그런 다음 사용자 이름을 기준으로 레코드를 파싱, 정렬, 제한 및 병합하여 이 데이터를 처리합니다. 채팅 메시지 또는 외부 워크플로우 실행을 통해 트리거되면 지정된 크리에이터에 대한 결과를 필터링하고 AI 에이전트(gpt-4o-mini 기반)를 사용하여 포괄적인 Markdown 보고서를 합성합니다. 이 보고서에는 요약, 비교 테이블, 인기 인사이트 및 커뮤니티 영향 분석이 포함됩니다. 선택적으로 출력은 타임스탬프가 찍힌 .md 파일로 로컬에 저장됩니다.

주요 기능 및 역량

이중 트리거 지원: 자연어 채팅 인터페이스 또는 다른 워크플로우를 통한 프로그래밍 방식으로 활성화할 수 있습니다.
AI 기반 보고서 생성: gpt-4o-mini를 사용한 구조화된 프롬프트를 사용하여 잘 형식화되고 통찰력 있는 Markdown 콘텐츠를 생성합니다.
동적 데이터 가져오기: GitHub 호스팅 JSON 파일에서 실시간 통계를 가져와 최신 리더보드 데이터를 보장합니다.
유연한 필터링: 지정된 n8n 크리에이터 사용자 이름에 대한 분석에 집중합니다.
로컬 출력 저장: 생성된 보고서를 타임스탬프가 찍힌 Markdown 파일로 자동 저장하여 보관합니다.
확장 가능한 아키텍처: 개인 정보 보호를 고려한 배포를 위해 로컬 LLM(예: Ollama)에 대한 주석 처리된 지원을 포함합니다.
풍부한 문서: 포함된 스티키 노트를 통해 캔버스 전체에 명확한 지침, 설명 및 빠른 시작 지침을 제공합니다.

주요 노드 및 목적

노드	유형	목적
채팅 메시지 수신 시	`@n8n/n8n-nodes-langchain.chatTrigger`	자연어 쿼리(예: "username joe에 대한 통계 표시")의 진입점입니다.
다른 워크플로우에 의해 실행 시	`executeWorkflowTrigger`	`username`을 포함하는 JSON 페이로드를 사용하여 프로그래밍 방식으로 호출할 수 있습니다.
전역 변수	`set`	GitHub 호스팅 데이터 소스(`stats_aggregate_creators.json`, `stats_aggregate_workflows.json`)에 대한 기본 URL 및 파일 이름을 정의합니다.
stats_aggregate_creators / workflows	`httpRequest`	GitHub에서 크리에이터 및 워크플로우 통계를 가져옵니다.
크리에이터/워크플로우 데이터 파싱	`set`	다운스트림 처리를 위해 원시 HTTP 응답에서 `data` 배열을 추출합니다.
크리에이터/워크플로우 분할	`splitOut`	레코드 수준 작업을 위해 배열을 개별 항목으로 압축합니다.
정렬 및 제한 노드	`sort` + `limit`	주간 삽입자별로 크리에이터/워크플로우를 순위를 매기고 결과를 제한합니다(상위 25명의 크리에이터, 상위 300개의 워크플로우).
크리에이터/워크플로우 데이터	`set`	일관된 병합을 위해 필드 이름과 구조를 표준화합니다.
크리에이터 및 워크플로우 병합	`merge`	`username`을 키로 사용하여 크리에이터 및 워크플로우 레코드를 조인합니다.
크리에이터 사용자 이름으로 필터링	`filter`	요청된 사용자(트리거 입력에서)에 대한 데이터를 격리합니다.
집계	`aggregate`	필터링된 모든 항목을 AI 에이전트용 단일 JSON 배열로 결합합니다.
워크플로우 응답	`set`	집계된 데이터를 문자열 응답으로 형식화합니다.
n8n 크리에이터 통계 에이전트	`agent`	OpenAI 모델과 사용자 지정 시스템 프롬프트를 사용하여 AI 추론 루프를 조정합니다.
워크플로우 도구	`toolWorkflow`	이 워크플로우 자체를 AI 에이전트가 호출할 수 있는 도구로 노출하여 재귀적 또는 모듈식 설계를 가능하게 합니다.
요약 보고서 → creator-summary → 파일 저장	`set` → `convertToFile` → `readWriteFile`	AI 출력을 텍스트로 변환한 다음 타임스탬프가 찍힌 이름으로 로컬 Markdown 파일에 씁니다.
스티키 노트	`stickyNote`	캔버스 전체에 인라인 문서, 아키텍처 다이어그램, 사용 사례 및 설정 가이드를 제공합니다.

사용 사례 및 이점

커뮤니티 관리자: 최고 기여자를 식별하고, 참여 트렌드를 추적하고, 영향력 있는 워크플로우를 조명합니다.
워크플로우 생성자: 동료와 자신의 워크플로우를 벤치마킹하고 채택을 유도하는 요인을 이해합니다.
신규 사용자: 배우거나 재사용할 수 있는 고품질의 인기 있는 자동화를 발견합니다.
데이터 분석가: 수동 스크립팅 없이 커뮤니티 사용 패턴의 추출 및 해석을 자동화합니다.
AI 애호가: LLM이 최소한의 구성으로 원시 메트릭을 서사적 인사이트로 변환하는 방법을 시연합니다.

이점에는 시간 절약, 데이터 해석력 향상, 자동화된 보고, 더 깊은 커뮤니티 가시성이 모두 n8n 생태계 내에서 포함됩니다.

단계별 워크플로우 로직

트리거: 워크플로우는 다음 중 하나를 통해 시작됩니다.
- 채팅 메시지(예: "username joe에 대한 통계 표시") → AI 에이전트로 라우팅됩니다.
- { "query": { "username": "joe" } }를 포함하는 외부 워크플로우 호출 → 전역 변수로 라우팅됩니다.
데이터 준비 (외부 트리거용):
- 전역 변수가 기본 URL과 파일 이름을 설정합니다.
- 두 개의 HTTP 요청 노드가 GitHub에서 creators.json 및 workflows.json을 가져옵니다.
데이터 처리 파이프라인:
- 원시 JSON 응답이 파싱되어 data 배열이 추출됩니다.
- Split Out 노드를 사용하여 배열이 개별 레코드로 분할됩니다.
- 레코드는 sum_unique_weekly_inserters(크리에이터) 또는 unique_weekly_inserters(워크플로우)별로 정렬됩니다.
- 결과는 상위 25명의 크리에이터와 상위 300개의 워크플로우로 제한됩니다.
- Creators Data 및 Workflows Data 노드를 통해 필드 이름이 표준화됩니다.
데이터 통합:
- 크리에이터 및 워크플로우 레코드가 Merge 노드를 사용하여 username으로 병합됩니다.
- 병합된 데이터셋은 입력 username과 일치하는 항목만 유지하도록 필터링됩니다.
AI 분석:
- 필터링된 데이터가 단일 JSON 배열로 집계됩니다.
- n8n Creator Stats Agent가 이 데이터를 수신하고 gpt-4o-mini와 상세한 시스템 프롬프트를 사용하여 구조화된 Markdown 보고서를 생성합니다.
출력 처리:
- AI의 응답이 Summary Report에 캡처됩니다.
- creator-summary를 통해 일반 텍스트로 변환됩니다.
- Save creator-summary.md를 사용하여 로컬 .md 파일(예: creator-summary-2024-06-15-03-45-22.md)로 저장됩니다.
응답 전달:
- 최종 보고서는 워크플로우 출력과 영구적인 로컬 파일 모두에서 사용할 수 있습니다.

이 워크플로우는 n8n이 개방형 데이터, 자동화 및 생성 AI를 연결하여 실행 가능한 인사이트를 제공하는 방법을 보여줍니다. 즉, 원시 커뮤니티 메트릭을 수동 개입 없이 매력적인 서사로 전환합니다.

사용 방법: JSON을 다운로드한 뒤 n8n에서 “파일에서 가져오기”를 선택하세요.

AI 기반 n8n 커뮤니티 크리에이터 리더보드 분석기